Convalida di un sistema di navigazione EUS biliopancreatico basato sull'intelligenza artificiale per il miglioramento della qualità in tempo reale: uno studio prospettico, monocentrico, controllato randomizzato

Negli ultimi anni, l'ecografia endoscopica (EUS) si è trasformata in una modalità di imaging preferita per la diagnosi delle malattie biliopancreatiche, in particolare piccoli tumori pancreatici (< 3 cm) e piccoli calcoli del dotto biliare (< 4 mm). Pertanto, l'EUS viene spesso scelto come strumento principale per lo screening delle malattie biliopancreatiche precoci tra gli individui ad alto rischio. Tuttavia, numerosi studi hanno dimostrato che il tasso di rilevamento delle malattie biliopancreatiche sotto EUS varia dal 70% al 93% tra i diversi endoscopisti a causa della qualità dell'esame e delle differenze tra gli operatori, che suggeriscono che ci sono mancate diagnosi delle lesioni. La mancata diagnosi di cancro al pancreas fa perdere ai pazienti l'opportunità di un intervento chirurgico radicale e il tasso di sopravvivenza a cinque anni si riduce al 7,2%; e la mancata diagnosi di coledocolitiasi provoca gravi malattie acute come la colangite acuta e la pancreatite acuta; ha gravi conseguenze sulla prognosi e sulla qualità della vita dei pazienti. Pertanto è importante ridurre la mancata diagnosi delle lesioni espandendo ulteriormente l'applicazione dell'EUS.

Garantire la qualità dell'esame è un prerequisito fondamentale per scoprire lesioni biliopancreatiche nell'EUS. Ci sono due motivi principali che influenzano la qualità dell'esame EUS biliopancreatico: primo, operazione non standard da parte degli endoscopisti; eccellenti esami EUS biliopancreatici richiedono la continuità e l'integrità della scansione. Secondo l'esperienza della Società giapponese di endoscopia gastrointestinale e di esperti europei e americani, l'approccio multistazione nell'EUS biliopancreatica è stato stabilito come procedura di scansione standard. E queste stazioni standard includono punti di riferimento anatomici che possono essere utilizzati per localizzare il trasduttore e identificare le aree che non vengono scansionate. Anche l'American Society for Gastrointestinal Endoscopy (ASGE) e l'American Association for Gastrointestinal Endoscopy (ACG) Endoscopic Quality Working Group hanno emesso indicatori di qualità che dovrebbero essere completati per l'esame EUS. Ma spesso non sono ben seguiti a causa della mancanza di supervisione e della disponibilità di strumenti pratici, e ci sono un gran numero di aree cieche nelle attuali scansioni EUS quotidiane. In secondo luogo, è difficile comprendere le immagini statunitensi con texture grigia e bianca. Anche gli endoscopisti esperti hanno alcune difficoltà nell'identificare le strutture anatomiche nelle immagini EUS. Pertanto, è fondamentale sviluppare uno strumento pratico in grado di monitorare l'area cieca dell'esame EUS in tempo reale, ridurre la difficoltà dell'interpretazione ecografica e standardizzare la qualità dell'esame EUS.

Il deep learning è stato applicato con successo a molte aree della medicina. Nel campo dell'ecografia endoscopica, la maggior parte delle ricerche è dedicata all'uso di strumenti informatici per assistere nella diagnosi delle lesioni in immagini statiche, mentre un lavoro raro ha studiato il ruolo del deep learning nel monitoraggio dell'area cieca degli esami EUS e nell'esplorazione dell'assistenza su reali interpretazione ultrasonografica a tempo. In precedenza, abbiamo sviluppato e validato con successo un sistema di navigazione EUS in grado di identificare in tempo reale le stazioni standard di EUS del pancreas e del dotto biliare. Sebbene siano stati pubblicati risultati preliminari incoraggianti sull'uso dell'intelligenza artificiale per ridurre la difficoltà delle immagini EUS, questo sistema non è stato convalidato in un contesto clinico reale e non è chiaro se possa essere applicato con successo nella pratica clinica e migliorare la qualità dell'esame EUS.

Pertanto, in questo studio, abbiamo aggiornato il dispositivo analitico per endoscopia EUS intelligente e in tempo reale (denominato EUS-IREAD) basato sui suddetti modelli di riconoscimento della stazione EUS biliopancreatica e addestrato ulteriormente una funzione di identificazione del punto di riferimento anatomico per individuare meglio la posizione del trasduttore e diagnosticare lesioni biliopancreatiche. Abbiamo quindi condotto uno studio controllato randomizzato a centro singolo per valutare le sue prestazioni aggiuntive per gli endoscopisti EUS in un contesto clinico.